Abstract: This paper aims to demonstrate the effect of economic growth on the urban land use.
This study used data area according to the type of land use by district building yard to measure
urban land. In addition, to illustrate economic growth the use of PDB regional, the authors
found that 1 percent increase in PDB regional resulted in changes of urban land uses amounted
to 0.55 percent in DIY urban areas. Increasing urban land use implictions for the expansion of
urban land in DIY. Result show that economic growth are particulay important urban land use
in DIY urban areas.
Keywords: land use, urban, economic growth
JEL Classification: O40, Q15, C21
METODE PENELITIAN
24 Jurnal Ekonomi & Studi Pembangunan Volume 17, Nomor 1, April 2016: 22-30
et al (2010) memasukkan variabel pertumbuhan kan sebagai rata-rata tertimbang spasial dari
ekonomi, jumlah penduduk, dan perumahan nilai tetangga variabel dependen, di mana
sebagai variabel independen yang mempenga- tetangga ditentukan melalui penggunaan bobot
ruhi lahan perkotaan. spasial disebut matriks. Pembobotan spasial
Penelitian ini untuk menjelaskan hubungan matriks menggunakan software GeoDA, alat
antara lahan perkotaan dan pertumbuhan yang relevan untuk melakukan analisis spasial
ekonomi. Model penelitian ini adalah Urban (Anselin et al., 2006).
(Urbani) sebagai fungsi dari pertumbuhan Secara khusus, model spasial lag dalam
ekonomi (PDRBi), kepadatan penduduk bentuk matriks diberikan oleh
(DENSITYi), (PERUMAHANi).
y = ρWy + Xβ ε 3)
URBANi = F(PDRBi, DENSITYi,
PERUMAHANi) 1)
di mana, y adalah n × 1 vektor variabel
dependen, W adalah n × n matriks spasial
Persamaan yang akan diestimasi dengan bobot, yang menentukan tetangga yang diguna-
metoda OLS dalam penelitian ini adalah: kan dalam rata-rata (yang mengakibatkan
jangka spasial lag, Wy), ρ adalah skalar
LnURBANi = β0 + β1 LnPDRBi + parameter spasial autoregressive, X adalah n ×
k matriks variabel independen, β adalah vektor
β2 LnDENSITYi + β3 PERUMAHANi + εi 2)
cocok atau parameter, dan ε n × 1 vektor istilah
kesalahan.
keterangan:
Dimasukkannya lag jangka spasial di sisi
Urbani : Luas wilayah menurut jenis penggu- kanan persamaan dimotivasi oleh teori sebagai
naan tanah bangunan pekarangan pada keca- hasil keseimbangan proses interaksi sosial dan
matan i. spasial. Model ini tidak dapat diperkirakan
PDRBi : Total PDRB atas harga dasar konstan dengan OLS karena bias simultanitas. Menurut
2000 pada kecamatan i. Ord (1975) maka harus diperkirakan dengan
DENSITYi : Kepadatan penduduk pada keca- menggunakan Maximum Likehood (ML) teknik .
matan i. Cara lain untuk menggabungkan hubungan
PERUMAHANi : Jumlah perumahan pada spasial adalah dengan pemodelan efek melalui
kecamatan i. ketergantungan spasial yang memasuki
ei : error term hubungan melalui istilah kesalahan. Ketika
akuntansi untuk ketergantungan spasial
Jika data yang mengandung hubungan melalui istilah kesalahan, rekening model
spasial, maka dapat melanggar asumsi yang untuk situasi di mana kesalahan yang terkait
mendasari OLS. Penggunaan OLS dengan data dengan salah satu pengamatan secara spasial
yang memiliki hubungan spasial dapat tertimbang rata-rata dari kesalahan, ditambah
menyebabkan baik untuk prosedur pengujian komponen kesalahan acak. Secara khusus,
hipotesis inefisiensi dan tidak valid, atau bias model spasial error dalam bentuk matriks
dan tidak konsisten estimasi parameter sehingga diberikan oleh
analasis statistik spasial lebih tepat dilakukan
untuk menjelaskan hubungan spasial (Ord,
1975, Anselin, 1995, Florax dan Vlist 2003). y = Xβ + ε di mana ε = λWε + u 4)
Hubungan spasial dapat dimodelkan dalam
berbagai cara. Salah satu cara adalah nilai
di mana, ε adalah vektor istilah kesalahan spasial
variabel dependen diamati pada lokasi tertentu
autocorrelated, u adalah vektor iid kesalahan,
sebagian ditentukan oleh beberapa fungsi dari
dan λ adalah parameter skalar yang dikenal
nilai variabel dependen dari tetangganya.
sebagai koefisien autoregressive spasial
Variabel mengukur efek ini biasanya dirumus-
Specitication Tests
Dari analisis Moran I sudah dilakukan, kita
sekarang tahu bahwa asosiasi spasial antara
kecamatan tetangga dalam hal variabel
dependen yaitu, log dari lahan perkotaan
(Lampiran Gambar 6 dan/atau asosiasi spasial
antara penjelasan variabel log dari PDRB
(Lampiran Gambar 7) dapat mempengaruhi
estimasi hubungan antara PDRB dan lahan
perkotaan. Sebelum model ini, pertama kita
perlu mengetahui sifat ketergantungan spasial.
Untuk menentukan ini, peneliti melakukan
serangkaian tes spesifikasi untuk menentukan
dampak struktur tata ruang pada model
Gambar 4. Spatial Autocorrelation Scatter Plot regresi. Secara khusus, menggunakan residual
OLS dan bobot spasial, kita melakukan
Lagrange Multiplier (LM) uji autokorelasi error
Berdasarkan Moran I uji statistik, ditemu- spasial dan spasial ketergantungan lag. Uji
kan bahwa terdapat autokorelasi spasial, atau Lagrange Multiplier (LM) adalah uji autokore-
asosiasi spasial, penggunaan lahan perkotaan lasi error spasial dan spasial ketergantungan
Daerah Istimewa Yogyakarta tahun 2011 lag untuk mengetahui sifat ketergantungan
(Gambar 4) dengan nilai Moran I statistic spasial. Untuk mendeteksi autokorelasi diguna-
26 Jurnal Ekonomi & Studi Pembangunan Volume 17, Nomor 1, April 2016: 22-30
kan uji Lagrange Multiplier (LM Test) (Anselin,
1988, Anselin dan Rey, 1991). Uji LM menun- Sebaliknya, Tabel 2 kolom 3 memper-
jukkan bahwa lag spasial campuran dan lihatkan nilai Adj. R-squared sebesar 0,884389
kesalahan model spasial sesuai dengan data yang mengandung arti bahwa 88,9% variabel-
terbaik (Tabel 1). Hasil tes LM lag menunjuk- variabel independen mampu menjelaskan
kan signifikan, tetapi pada tes LM error tidak variabel dependen dengan baik. Selain itu,
signifikan. Untuk alasan ini, peneliti menggu- koefisien autoregressive spasial (koefisien pada
nakan model yang memperhitungkan efek lag spasial variabel dependen) adalah positif
spatial lag. (0,2886739) dan signifikan (z = 2,495284).
Ada beberapa perbedaan dalam koefisien
Tabel 1. Diagnosis Permasalahan Spatial Lag koefisien regresi lainnya antara model lag
dan Error
spasial (Tabel 2, kolom 3) dan OLS (Tabel 2,
kolom 2). Nilai koefisien pada analisis statistik
Test Value Prob.
spasial lebih kecil daripada analisis regresi OLS.
Lagrange Multiplier (lag) 4,9785690 0,0256632
Namun, yang paling penting, meskipun tanda
dan tingkat signifikansi koefisien estimasi dari
Robust LM (lag) 5,1185502 0,0236714 model ekonometrika spasial sebagian besar
Lagrange Multiplier (error) 0,4348546 0,5096164 sama, besaran mereka menunjukkan sistematis
tren penurunan dalam nilai absolut. Selain itu,
Robust LM (error) 0,5748358 0,4483437
efek akibat ketergantungan spasial sekarang
Ajusted R2 0,859323 dijemput oleh koefisien dari variabel spasial
tertinggal. Ini berarti, bahwa dengan meng-
Hasil regresi (Tabel 2, kolom 2) memper- gunakan analisis statistik spasial kita bisa lebih
lihatkan nilai Adj. R-squared sebesar 0,859323 tepat mengestimasi koefisien dalam model.
yang mengandung arti bahwa 85,9% variabel- PDRB yang mencerminkan pertumbuhan
variabel independen mampu menjelaskan ekonomi berpengaruh positif signifikan terha-
variabel dependen dengan baik. dap penggunaan lahan perkotaan di wilayah
perkotaan DIY. Nilai koefisien sebesar 0.632977
Tabel 2. Hasil estimasi OLS dan Maximal menunjukkan bahwa peningkatan 1 persen
Likelihood Model Spatial Lag PDRB per kecamatan mengakibatkan perubahan
(N=48; variable dependen: LnURBAN)
penggunaan lahan perkotaan di wilayah
perkotaan DIY sebesar 0,6 persen. Sementara
Variabel OLS Spatial Lag itu, PDRB berpengaruh positif signifikan terha-
dap penggunaan lahan perkotaan di wilayah
6,139 0,2886739
C
(5,148853)** (2,425284)**
perkotaan DIY. Nilai koefisien sebesar
0,5521351 menunjukkan bahwa peningkatan 1
0,6325156 0,5521351 persen PDRB per kecamatan mengakibatkan
LnPDRB
(6,147876)** 5,672799** perubahan penggunaan lahan perkotaan di
wilayah perkotaan DIY sebesar 0,55 persen.
-0,9369987 -0,7351588
LnDENSITY Seperti halnya penelitian Deang et al (2010),
(-16,03938)** -7,577702**
temuannya menunjukkan bahwa perluasan
0,020597 0,01831217
lahan perkotaan sebesar 3 persen ketika
PERUMAHAN perekonomian tumbuh sebesar 10 persen.
(2,824931)** (2,797476)**
Sementara itu, konsekuensi dari pertumbuhan
0,2886739 ekonomi dan perluasan perkotaan adalah
W_LNURBAN
(2,495284)** sejumlah lahan pertanian telah terkonversi
menjadi jalan beraspal dan bangunan tempat
Adj. R-squared 0,859323 0,884389 tinggal (Tian et al, 2012).Lahan pertanian di
kawasan DIY telah berubah fungsi peng-
gunaannya dengan munculnya bangunan tempat
keterangan : ** signifikan α = 5%
tinggal, seperti perumahan. Tabel 2 menun-
28 Jurnal Ekonomi & Studi Pembangunan Volume 17, Nomor 1, April 2016: 22-30
Badan Pusat Statistik Kabupaten Bantul. (2012). American Statistical Association, Vol.
Produk Domestik Bruto Kecamatan di Kabu- 70(349), 120-126.
paten Sleman Tahun 2010-2011. Peraturan Daerah No. 12 Tahun 2010 Tentang
Badan Pusat Statistik Kota Yogyakarta. (2012). Rencana Tata Ruang Wilayah Provinsi
Produk Domestik Bruto Kecamatan di Kabu- Daerah Istimewa Yogyakarta.
paten Sleman Tahun 2011. Sinclair, Robert. (1967). Von Thunen and Urban
Deng, Xiangzheng., Jikun Huang, Scott Rozelle Sprawl, Annals of the Association of
dan Emi Uchida (2010). Econnomic American Geographers, Vol. 57(1), 72-87.
Growth and the Expansion of Urban Land Tian, Zhan., Guiying Cao, Jun Shi, Ian
in China. Urban Studies, Vol. 47(4), 813- McCallum, Linli Cui, Dongli Fan dan
843. Xinhu Li. (2012). Urban Transformation of
Firman, Tommy. (2000). Major Issues in Indo- a Metropolis and its Enviromental
nesia’s Urban Land Development. Land Impacts. Enviromental Science Pollution
Use Policy, Vol. 21, 347-355. Research, Vol. 19, 1364-1374.
Florax, R. J. G. M. dan A. J. van der Vlist (2003) Yu, Wanhui., Shuying Zang, Changshan Wu,
Spatial econometrics data analysis: mov- Wen Liu dan Xiaodong Na. (2011). Ana-
ing beyond traditional models. Interna- lyzing and Modeling Land Use Land
tional Regional Science Review, 26(3), 223– Cover (LULC) in the Daqing City, China,
243. Applied Geography, Vol. 31, 600-608.
Han, Sun Sheng dan Chun Xing He. (1999).
Diminishing Farmland and Urban Devel-
opment in China: 1993-1996, Geography
Journal, Vol. 49, 257-267.
Hietel, Elke., Rainer Waldhardt and Annette
Otte. 2007. Statistical Modeling of Land-
Cover Changes Based on Key Socio-Eco-
nomic Indicators, Ecological Economics,
Vol. 62, 496-507.
Hite, James. (1997). The Thunen Model and the
New Economic Geography as a Paradigm
for Rural Development Policy, Review of
Agricultural Economics, Vol. 19(2), 230-
240.
Kumar, Pushpam. (2009). Assessment of Econo-
mic Drivers of Land Use Change in Urban
Ecosystems of Dehi, India, Ambio, Vol.
38(1), 35-39.
Kuznets, Simon. (1974). Rural-Urban
Differences in Fertility: An International
Comparison, Proceedings of the American
Philosophical Society, Vol. 118(1), 1-29.
Li, Yuheng. (2012). Urban–rural Interaction
Patterns and Dynamic Land Use: Impli-
cations for Urban–rural Integration in
China, Regional Enviromental Change, Vol.
12, 803-812.
Ord, Keith. (1975). Estimation Methods for
Models of Spatial Interaction. Journal of the
30 Jurnal Ekonomi & Studi Pembangunan Volume 17, Nomor 1, April 2016: 22-30